[发明专利]一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法

摘要

本发明属于数字图像处理和模式识别领域，特别涉及一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法。首先采用一维快速傅里叶变换分别求出织物图像的横向和纵向基本循环周期大小，然后对织物图像分别进行水平和垂直Sobel算子滤波处理，在此基础上，依据织物纹理基本循环周期以及遍历法原理计算四个极值灰度统计量作为细节特征。由此提取的四个特征分别表征了纹理的横向边缘极大统计信息、横向边缘极小统计信息、纵向边缘极大统计信息和纵向边缘极小统计信息，因此由它们组成的特征向量能够实现对织物纹理细节的全面表征，且相互之间具有明显的互补性。本发明不需要对Sobel算子滤波后的图像实施二值化处理，同时更丰富地保留了滤波后图像的有用信息。

主权项

一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征是：首先采用一维快速傅里叶变换分别求出织物图像的横向和纵向基本循环周期的大小，即一个周期所包含的像素数，然后对织物图像分别进行水平和垂直索贝尔算子滤波处理；在此基础上，依据织物纹理基本循环周期以及遍历法原理计算出织物纹理的四个极值灰度统计量作为细节特征，所述的四个极值灰度统计量特征分别为横向边缘极大统计量、横向边缘极小统计量、纵向边缘极大统计量和纵向边缘极小统计量，由此提取的四个特征分别表征了织物纹理的横向边缘的两个极端细节统计信息和纵向边缘的两个极端细节统计信息；所述的织物纹理特征向量的四个极值灰度统计量特征的提取过程如下：对原始织物图像矩形窗口W进行索贝尔算子水平滤波，经滤波后的图像记为Wh，在滤波后的织物图像矩形窗口Wh中建立矩形子窗口W2，所述的矩形子窗口W2的长度等于滤波后的织物图像矩形窗口Wh的长度，所述的矩形子窗口W2的宽度等于织物纹理纵向基本循环周期长度即行最小周期长度，将矩形子窗口W2以每次固定的步长垂直地滑移以遍历整个Wh，从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为E1和E2，E1即为横向边缘极小统计量，E2即为横向边缘极大统计量；对原始织物图像矩形窗口W进行索贝尔算子垂直滤波，经滤波后的图像记为Wv，在滤波后的织物图像矩形窗口Wv中建立矩形子窗口W1，所述的矩形子窗口W1的长度等于织物纹理横向基本循环周期单位长度即最小列周期长度，所述的矩形子窗口W1的宽度等于滤波后的织物图像矩形窗口Wv的宽度，将矩形子窗口W1以每次固定的步长水平地滑移以遍历整个Wv，从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为E3和E4，E3即为纵向边缘极小统计量，E4即为纵向边缘极大统计量；最终得到作为细节特征的表征织物纹理的特征向量[E1E2E3E4]。